Fiche de révision : Biostatistiques descriptives et inférentielles

Plan du Cours

  1. Fondements des biostatistiques
  2. Types de variables et données
  3. Tableaux et graphiques descriptifs
  4. Paramètres de position
  5. Paramètres de dispersion
  6. Distributions et loi normale
  7. Échantillonnage et estimateurs
  8. Erreur type et intervalles
  9. Tests d’hypothèses
  10. Comparaison des populations et hypothèses
  11. Test t de Student et décisions
  12. Risques et puissance des tests
  13. Choix des tests de comparaison
  14. Corrélation entre variables quantitatives
  15. Régression linéaire et droite ajustée
  16. Pente et variance résiduelle
  17. Ajustement et prédiction par régression
  18. Analyse des données de survie
  19. Tests sur tableaux de contingence
  20. Comparaison de plusieurs échantillons

1. Fondements des biostatistiques

Notions clés & Définitions

  • Statistique : Discipline qui étudie les méthodes de réduction des données, la variabilité liée à l’échantillonnage et les populations par les statistiques inférentielles.
  • Biostatistique : Application de la statistique aux sciences de la vie.

Points essentiels

📌 La population, de taille N, est une quantité très grande et généralement non mesurable, tandis que l’échantillon, de taille n, est une quantité finie et mesurable.

📌 Les statistiques descriptives décrivent les données observées ou mesurées, tandis que les statistiques inférentielles émettent des hypothèses sur une population ou un échantillon.

2. Types de variables et données

Notions clés & Définitions

  • Variable : Caractéristique ou facteur susceptible de prendre des valeurs différentes selon les individus étudiés.
  • Variable binaire : Variable qualitative nominale qui ne peut prendre que deux valeurs.
  • Donnée censurée : Observation limitée par un seuil de quantification ou par un suivi incomplet, comme une charge virale inférieure à 50 cp/ml ou un patient perdu de vue en analyse de survie.

★ À maîtriser

  • Une variable quantitative prend des valeurs numériques exploitables arithmétiquement, tandis qu’une variable qualitative prend des valeurs correspondant à des qualités réparties en classes.

  • Une variable quantitative continue peut prendre toute valeur numérique dans l’intervalle observé, tandis qu’une variable quantitative discrète ne prend que des valeurs numériques discontinues sans valeur intermédiaire possible.

  • Une variable qualitative ordinale répartit les observations en classes ordonnables, tandis qu’une variable qualitative nominale répartit les observations en classes non hiérarchisables.

  • Une donnée manquante est une valeur non observée ou non mesurée, tandis qu’une donnée non applicable correspond à une question sans objet pour l’individu, comme le nombre de cigarettes fumées par une personne qui ne fume pas.

  • Une donnée inhabituelle n’est pas nécessairement aberrante ; les valeurs aberrantes sont des valeurs inhabituelles, extrêmes ou impossibles, que la visualisation peut aider à détecter.

Compléments

  • Une variable temporelle utilise des unités de mesure du temps.

  • Dans un tableau de données, les unités statistiques, par exemple les patients, sont disposées en lignes et les variables en colonnes.

  • Les données manquantes doivent être codées de façon appropriée, car le logiciel peut supprimer ou ignorer le patient concerné lors de l’analyse et réduire ainsi l’effectif, notamment en statistique multivariée.

  • Une donnée manquante informative, comme un niveau d’étude non communiqué, peut elle-même apporter une information.

  • Le double encodage est recommandé pour repérer les erreurs d’encodage.

Astuce mémo

Mesurer une valeur numérique, observer une qualité

3. Tableaux et graphiques descriptifs

Notions clés & Définitions

  • Pyramide : Double histogramme inversé et juxtaposé utilisé pour comparer deux distributions.

★ À maîtriser

  • La description des données peut s’appuyer sur :
    • des tableaux
    • des diagrammes
    • des paramètres résumant la distribution

📌 Dans un histogramme, la surface de chaque barre est proportionnelle à la fréquence relative des effectifs, tandis que dans un diagramme en barres la largeur des barres est libre.

Compléments

  • Un tableau de fréquences à une entrée doit signaler les données manquantes : un exemple présente 80 données disponibles, 5 données manquantes et 85 individus au total.

  • Dans un tableau de fréquences à deux entrées, les pourcentages peuvent être rapportés au total des lignes ou des colonnes, selon la présentation la plus claire pour le lecteur.

📌 Le polygone de fréquence représente une variable quantitative continue discrétisée, avec les valeurs en abscisse, les effectifs ou fréquences en ordonnée et une surface totale correspondant à 100 % des observations.

  • Le diagramme en barres convient aux variables qualitatives ordinales ou nominales, tandis que les barres horizontales et le camembert sont présentés pour les variables qualitatives nominales.

  • Un graphique bien conçu communique clairement et efficacement des idées complexes, tout en représentant des données multivariées de façon intègre.

4. Paramètres de position

Notions clés & Définitions

  • Médiane : Valeur qui partage une série ordonnée en deux groupes d’effectifs égaux.
  • Mode : Valeur qui revient le plus souvent dans une distribution et correspond souvent à son pic.
  • Moyenne : Somme des valeurs observées divisée par le nombre de sujets.
  • Fréquence relative : Proportion de sujets présentant une modalité donnée, calculée en divisant l’effectif de cette modalité par l’effectif total et généralement exprimée en pourcentage.

★ À maîtriser

  • Les quartiles partagent une distribution en quatre groupes : le premier quartile laisse 25 % des valeurs les plus faibles en dessous, le deuxième quartile est la médiane et le troisième quartile laisse 75 % des valeurs les plus faibles en dessous.

📌 Pour une variable qualitative binaire codée 0 ou 1, la moyenne des valeurs est la proportion de sujets ayant la valeur 1 ; cette proportion peut être exprimée en pourcentage en la multipliant par 100.

Compléments

  • La médiane est un paramètre descriptif robuste, peu sensible aux valeurs extrêmes et aberrantes.

  • Pour calculer la médiane, il faut classer les sujets et, si l’effectif est pair, prendre la moyenne des deux valeurs centrales.

  • Les déciles sont neuf valeurs qui partagent une distribution en dix groupes comprenant chacun 10 % des effectifs.

  • Les percentiles partagent les valeurs en 100 groupes de taille égale : le percentile 10 est le premier décile, le percentile 25 le premier quartile, le percentile 50 la médiane et le percentile 90 le neuvième décile.

  • Le mode est un paramètre purement descriptif servant à caractériser l’allure générale d’une distribution, et il n’est pas utilisé dans les calculs statistiques.

📌 Une distribution unimodale présente un seul pic accentué, tandis qu’une distribution bimodale présente un deuxième pic dans une autre partie de la distribution.

  • La moyenne et la médiane sont des paramètres de tendance centrale pour résumer une variable quantitative, mais la moyenne utilise toutes les données et est moins robuste aux valeurs extrêmes.

5. Paramètres de dispersion

Notions clés & Définitions

  • Étendue : Différence entre les deux valeurs extrêmes d’une série.
  • Intervalle interquartile : Différence entre les valeurs du premier et du troisième quartile et s’affranchit des valeurs extrêmes.
  • Variance : Paramètre de dispersion qui résume les écarts des valeurs d’une distribution quantitative par rapport à la moyenne.
  • Écart-type : Racine carrée de la variance et s’exprime dans les mêmes unités que la moyenne.
  • Coefficient de variation : Rapport de l’écart-type à la moyenne, sans unité et exprimé en pourcentage.

Points essentiels

  • L’étendue est sensible aux valeurs aberrantes ou extrêmes et peut alors donner une fausse idée de la dispersion.

  • Pour les poids extrêmes de 45 kg et 86 kg, l’étendue est de 41 kg ; si les quartiles valent 69 kg et 77 kg, l’intervalle interquartile est de 8 kg.

  • Pour la variance d’une série considérée comme une population exhaustive, le dénominateur est N ; l’estimation de la variance à partir d’un échantillon utilise un dénominateur différent.

  • Un écart-type élevé indique une dispersion élevée, tandis qu’un écart-type faible indique une distribution plus resserrée.

  • Le coefficient de variation exprime la dispersion relativement à la moyenne et permet de comparer des variables quantitatives de nature ou d’unités différentes.

  • Pour une variable binaire, la variance vaut 0,25 lorsque P = 50 % et 0,09 lorsque P = 10 % ou P = 90 % ; elle est maximale pour P = 50 %.

  • Les paramètres descriptifs cités sont la médiane, les quartiles, les percentiles, le mode, les extrêmes, l’intervalle interquartile et l’étendue ; les paramètres arithmétiques cités sont la moyenne, la variance, l’écart-type et le coefficient de variation.

6. Distributions et loi normale

Notions clés & Définitions

  • Densité de probabilité : Modèle théorique d’une variable continue ; l’aire sous sa courbe entre deux valeurs correspond à la probabilité que la variable soit comprise entre ces valeurs.
  • Loi normale : Distribution continue en forme de cloche, symétrique autour de sa moyenne, autour de laquelle les valeurs se concentrent puis décroissent de part et d’autre.

★ À maîtriser

📌 Pour une variable discrète, la somme des fréquences relatives des classes vaut 1, soit 100 %, et représente la probabilité d’obtenir exactement chaque valeur de la variable.

  • Dans une distribution normale, la moyenne est égale à la médiane et la probabilité située entre un écart-type sous et un écart-type au-dessus de la moyenne est de 68 %.

  • Dans une distribution normale, 95 % des valeurs se situent entre 1,96 écart-type sous et 1,96 écart-type au-dessus de la moyenne.

Compléments

📌 La fonction de répartition d’une variable discrète représente, pour chaque valeur, la probabilité que la variable soit inférieure à cette valeur.

  • Sous une densité de probabilité, l’aire avant une valeur A représente la probabilité que X soit inférieure à A, l’aire après une valeur B celle que X soit supérieure à B, et l’aire totale vaut 1, soit 100 %.

  • Dans une distribution normale, 2,5 % des valeurs se situent sous −2 écarts-types et 2,5 % au-dessus de +2 écarts-types, tandis que l’intervalle de −3 à +3 écarts-types contient 99,7 % des valeurs.

  • La fonction de répartition d’une loi normale cumulée forme une courbe en S, dont le point d’inflexion correspond à la moyenne et dont chaque point donne la probabilité que X lui soit inférieure.

  • Pour obtenir une variable centrée réduite Z, on soustrait à la variable X sa moyenne, puis on divise le résultat par l’écart-type étudié ; Z est centrée autour de 0 et son écart-type vaut 1.

Astuce mémo

La loi normale forme une cloche symétrique centrée sur la moyenne

7. Échantillonnage et estimateurs

Notions clés & Définitions

  • Échantillonnage : Mécanisme qui permet de tirer des échantillons d’une population.
  • Échantillonnage stratifié : Méthode qui impose un nombre de personnes dans chaque strate, par exemple selon l’âge ou l’ethnie, afin d’obtenir un échantillon représentatif du groupe étudié, notamment lorsqu’un groupe est sous-représenté.
  • Estimateur : Valeur calculée à partir d’un échantillon pour estimer un paramètre inconnu de la population ; un chapeau placé sur un paramètre indique son estimateur.
  • Échantillonnage en grappes : Méthode consistant à tirer des groupes, par exemple des médecins, puis à inclure des patients rattachés à chacun d’eux ; les patients d’une même grappe peuvent partager des caractéristiques et un effet médecin-dépendant peut influencer les résultats.

★ À maîtriser

  • L’échantillonnage simplement fortuit est recommandé ; l’effectif de l’échantillon est fixé à l’avance et les tirages se font au hasard et de façon indépendante.

📌 Parmi les méthodes pratiques de randomisation, la randomisation centralisée attribue les groupes par logiciel sans possibilité de modification ultérieure et est présentée comme la meilleure technique ; les listes de randomisation et les enveloppes fermées sont moins précises si elles sont mal appliquées ou manipulables.

  • La variance d’un échantillon s² estime la variance de la population σ² et se calcule avec le dénominateur n − 1 ; pour la variance d’une population, le dénominateur est N.
  • Le théorème central limite indique que la moyenne quantitative calculée sur un échantillon varie selon l’échantillon et suit une loi normale centrée sur la moyenne μ de la population.

📌 L’écart-type mesure la variabilité des individus autour de μ, tandis que l’erreur type mesure la variabilité des moyennes d’échantillons autour de μ.

Compléments

  • Pour que les tirages soient effectués dans une population invariante, un sujet tiré doit être remis dans la population si celle-ci est de taille finie ; cette remise n’est pas nécessaire si N est infini.

  • La moyenne de la population est notée μ et son estimateur calculé sur l’échantillon est la moyenne échantillonnale x̄.

  • La proportion de la population est notée P et son estimateur calculé sur l’échantillon est noté p.

  • L’écart-type d’échantillon s estime l’écart-type de population σ ; l’écart-type estimé peut également être noté θ.

  • L’erreur type de la moyenne dépend de l’écart-type des valeurs de l’échantillon et de la taille n de celui-ci.

8. Erreur type et intervalles

Notions clés & Définitions

  • Risque α : Risque d’erreur acceptable dans une étude ; pour un intervalle de confiance à 95 %, il vaut 5 %, valeur associée au quantile 1,96 de la loi normale.

★ À maîtriser

📌 L’erreur type et l’écart-type sont liés mais différents : l’écart-type décrit la variabilité des individus, tandis que l’erreur type décrit la variabilité d’échantillonnage des moyennes.

  • L’intervalle de confiance à 95 % d’une moyenne est construit à partir de la moyenne échantillonnale m et de son erreur type sm, avec les bornes m − 1,96 sm et m + 1,96 sm.

  • Un intervalle de confiance à 95 % exprime une procédure donnant 95 chances sur 100 de couvrir la moyenne inconnue et un risque de 5 % qu’elle soit à l’extérieur.

📌 Un intervalle de confiance décrit l’incertitude sur un estimateur d’un paramètre, tandis qu’un intervalle de référence décrit la dispersion des valeurs individuelles d’une population.

Compléments

  • Pour une moyenne échantillonnale de 11,7 h et une erreur type de 0,056 h, l’intervalle à 95 % est approximativement de 11,6 h à 11,8 h.

  • Le même principe d’estimation par intervalle s’applique à une proportion inconnue P à partir de son estimateur échantillonnal p et de l’écart-type sp.

  • Dans l’exemple d’élimination de l’antibiotique chez des porcs, l’intervalle de référence est utilisé pour décider du délai d’abattage ; l’intervalle de confiance évalue la confiance accordée à cet intervalle de référence.

Astuce mémo

L’écart-type décrit les individus ; l’erreur type décrit les moyennes d’échantillons

9. Tests d’hypothèses

Notions clés & Définitions

  • p-valeur : Valeur utilisée pour prendre une décision statistique et déterminer si le résultat d’une étude est significatif ; sa présence indique qu’un test statistique a été réalisé.
  • Statistique inférentielle : Prise de décision sur une population à partir de l’analyse d’un échantillon, en formulant une hypothèse au sujet de la population.

10. Comparaison des populations et hypothèses

★ À maîtriser

📌 Une comparaison peut opposer une population inconnue à une population de référence, ou deux populations inconnues dont on extrait chacune un échantillon ; la seconde situation est la plus fréquente en pratique.

Compléments

  • Pour évaluer un nouveau médicament, on compare un échantillon de patients traités à un échantillon de patients non traités.

  • Une différence observée de 0,2 g/L entre les moyennes d’échantillons de 15 sujets sains et de 12 sujets alcooliques pose la question de sa significativité et de sa reproductibilité avec d’autres échantillons.

Astuce mémo

Une population de référence connue s’oppose à deux populations inconnues échantillonnées.

11. Test t de Student et décisions

Notions clés & Définitions

  • Hypothèse nulle : L’hypothèse nulle contient l’égalité que l’on cherche à rejeter dans les tests présentés, par exemple H0:μ1=μ2H_0 : \mu_1 = \mu_2 pour deux moyennes de populations.
  • Hypothèse alternative : L’hypothèse alternative est retenue lorsque les résultats conduisent à rejeter l’hypothèse nulle ; elle peut être bilatérale ou unilatérale.

★ À maîtriser

📌 Une alternative bilatérale permet une différence dans les deux sens, tandis qu’une alternative unilatérale ne retient qu’un sens de différence.

Compléments

  • Dans l’exemple des sujets sains et alcooliques, l’hypothèse alternative bilatérale porte sur des moyennes de marqueur biologique différentes entre les deux populations.

12. Risques et puissance des tests

Notions clés & Définitions

  • Risque de première espèce : Le risque de première espèce α\alpha est la probabilité de rejeter H0H_0 alors qu’elle est vraie ; le cours fixe ce risque à 5 %.
  • Risque de seconde espèce : Le risque de seconde espèce β\beta est la probabilité de ne pas rejeter H0H_0 alors que H1H_1 est vraie.
  • Puissance d’un test : La puissance d’un test est la probabilité de rejeter H0H_0 lorsque H1H_1 est vraie et vaut 1−β1-\beta.

Points essentiels

  • La puissance dépend de la taille de l’échantillon et le cours indique qu’on ne travaille pas en dessous de 80 %.

  • Dans un test bilatéral au risque de 5 % avec 25 degrés de liberté, 95 % des valeurs de la loi t de Student se situent entre −2,06 et +2,06.

Astuce mémo

Un échantillon trop petit accroît le risque de ne pas détecter un effet réel.

13. Choix des tests de comparaison

Notions clés & Définitions

  • Test t de Student : Le test t de Student compare deux moyennes et peut remplacer le test Z lorsqu’au moins un échantillon est petit, avec n<30n < 30.
  • Test F de Fisher-Snedecor : Le test F de Fisher-Snedecor compare les variances de deux séries quantitatives et peut vérifier l’égalité des variances exigée par certains tests paramétriques.
  • Test de Wilcoxon-Mann-Whitney : Le test de Wilcoxon-Mann-Whitney est un test non paramétrique qui compare deux séries quantitatives à partir des rangs de leurs valeurs ordonnées.
  • Test t apparié : Le test t apparié compare deux séries quantitatives liées paire par paire, notamment deux mesures du même type chez les mêmes individus.
  • Test de Wilcoxon : Le test de Wilcoxon pour séries appariées est non paramétrique et compare les rangs des différences non nulles, classées selon leurs valeurs absolues.

★ À maîtriser

  • 🔄 La résolution générale d’un test d’hypothèse suit six étapes :
    1. Définir les hypothèses
    2. Collecter les données
    3. Fixer le niveau d’incertitude
    4. Calculer la statistique
    5. Déterminer le seuil de décision ou la p-valeur
    6. Conclure

Compléments

📌 Le test t de Student suppose des distributions normales ou approximativement normales, des variances égales dont le rapport ne dépasse pas 3, ou des tailles d’échantillons équivalentes.

📌 Le test F exige que les deux populations dont proviennent les échantillons aient des distributions normales.

  • La distribution de Fisher-Snedecor est dissymétrique et toujours positive.

  • Sous l’hypothèse nulle du test de Wilcoxon-Mann-Whitney, l’écart entre la somme des rangs d’une série et sa valeur attendue, rapporté à son écart-type, suit une loi normale centrée réduite.

📌 Le test t apparié suppose que les différences entre les observations appariées sont distribuées normalement.

  • Le test t apparié élimine la variabilité entre individus de la même série.

📌 Le test de Wilcoxon apparié exige plus de 20 différences non nulles et peu d’ex-aequo, mais ne requiert pas de condition sur la distribution des différences.

14. Corrélation entre variables quantitatives

Notions clés & Définitions

  • Corrélation : La corrélation mesure l’association entre deux variables quantitatives observées simultanément chez les mêmes sujets, sans que l’expérimentateur contrôle l’une d’elles.
  • Coefficient de corrélation : Le coefficient d’échantillon rr mesure la relation linéaire entre X et Y, est sans unité et vérifie −1≤r≤1-1 \leq r \leq 1.
  • Corrélation de Spearman : Le test de Spearman est un test non paramétrique de liaison entre deux variables quantitatives qui utilise leurs rangs et s’emploie notamment lorsqu’une variable n’est pas distribuée normalement ou symétriquement.

★ À maîtriser

📌 En corrélation, X et Y jouent des rôles symétriques et sont observées simultanément, tandis qu’en régression, X est fixée par l’expérimentateur et Y est observée.

📌 Un coefficient de corrélation, même proche de 1, établit une liaison statistique mais ne prouve pas une relation de causalité.

Compléments

  • Une corrélation est positive lorsque X et Y varient dans le même sens, et négative lorsqu’elles varient en sens opposés.

  • Un coefficient r>0r > 0 indique une relation croissante, r<0r < 0 une relation décroissante, r≈0r \approx 0 l’absence de relation linéaire, et r=1r = 1 une corrélation parfaite.

📌 Le test classique de corrélation suppose que X et Y sont aléatoires, que leur association est linéaire et que leurs distributions dans la population sont normales et symétriques.

  • Le coefficient de détermination r2r^2 est compris entre 0 et 1 et mesure la proportion de variabilité d’une variable expliquée par l’autre ; pour r=0.80r = 0.80, r2=0.64r^2 = 0.64, soit 64 % de la variabilité du poids expliquée par la taille.

📌 L’interprétation d’une corrélation se limite à la plage de valeurs étudiée, car l’extrapolation à des valeurs extrêmes non testées est dangereuse.

15. Régression linéaire et droite ajustée

Notions clés & Définitions

  • Régression linéaire : La régression linéaire décrit la relation entre une variable quantitative dépendante YY et une variable explicative XX au moyen d’une droite.

★ À maîtriser

  • La régression sert à décrire le lien entre Y et X, à tester l’existence de ce lien et à estimer Y pour une valeur donnée de X.

  • La droite des moindres carrés est obtenue en choisissant les paramètres qui minimisent la somme des carrés des distances verticales entre les points observés et la droite.

Compléments

  • Le contrôle de X permet d’élargir son domaine de valeurs, de parcourir l’ensemble de ces valeurs ou d’effectuer davantage de mesures à certains niveaux.

📐 Formule - Une droite de régression s’écrit y=b0+bxy = b_0 + bx, où bb est sa pente.

📐 Formule - La pente de la droite de régression est le rapport de la covariance de X et Y à la variance de X, et l’ordonnée à l’origine vérifie b0=my−bmxb_0 = m_y - b m_x.

  • La droite des moindres carrés passe par le point des moyennes de X et Y, et les distances verticales des points à la droite sont appelées résidus.

16. Pente et variance résiduelle

Notions clés & Définitions

  • Test de la pente : Le test de la pente vérifie si la pente de la droite de régression dans la population est nulle ; le rejet de cette hypothèse indique une liaison entre X et Y.

★ À maîtriser

  • Une variance résiduelle faible par rapport à la dispersion de Y attribuable à la pente indique une liaison nette entre X et Y, tandis qu’une dispersion résiduelle qui égale ou dépasse celle attribuable à la pente n’indique pas de liaison nette.

Compléments

  • Le test de la pente suppose une association linéaire, une distribution normale de Y pour chaque valeur de X, une variance constante et l’indépendance des observations de Y.

  • L’interprétation du test de la pente vaut pour la plage de valeurs étudiée ; hors de cette plage, la relation peut ne pas être linéaire.

  • Ne pas rejeter une pente nulle signifie soit qu’aucune liaison n’est détectable, soit que la liaison n’est pas linéaire.

17. Ajustement et prédiction par régression

Notions clés & Définitions

  • Coefficient de détermination : Le coefficient de détermination r2r^2 mesure la part de la variabilité totale de Y attribuée à la régression et indique la qualité d’ajustement de la droite au nuage de points.
  • Intervalle de prédiction : L’intervalle de prédiction autour de la valeur estimée de Y par la droite de régression est défini par Y±2Sy/xY \pm 2S_{y/x} et contient 95 % des observations.
  • Valeur résiduelle : La valeur résiduelle Sy/xS_{y/x} exprime la variabilité de Y qui n’est pas expliquée par la droite de régression.

★ À maîtriser

📌 En régression, une variable est fixée par l’expérimentateur et la corrélation ne s’interprète pas ; en corrélation, les deux variables sont aléatoires et leur corrélation peut être testée avant de choisir une régression de Y sur X ou de X sur Y selon le contexte.

Compléments

  • Le coefficient de détermination vérifie 0≤r2≤10 \leq r^2 \leq 1 et une valeur de r2=1r^2 = 1 correspond à un ajustement parfait.

  • Dans l’exemple sans résidu, la relation Y=−0.12+0.025xY=-0.12+0.025x a Sy/x=0S_{y/x}=0 et r2=1r^2=1, ce qui signifie que toute la variabilité de Y est expliquée par X.

Astuce mémo

La droite donne la moyenne attendue ; les résidus montrent la dispersion autour d’elle.

18. Analyse des données de survie

Notions clés & Définitions

  • Donnée de survie : Une donnée de survie est une durée jusqu’à un événement, comme le décès ou la fin d’une hospitalisation, et l’analyse de survie estime la probabilité de cet événement au cours du temps.
  • Fonction de survie : La fonction de survie S(t)=P(T>t)S(t)=P(T>t) est la probabilité de vivre au moins jusqu’au temps t.
  • Donnée censurée : Une donnée est censurée lorsque le temps exact de survenue de l’événement n’est pas observable ; on sait néanmoins que l’individu a survécu au-delà de son dernier temps d’observation.

★ À maîtriser

  • La méthode de Kaplan-Meier calcule la probabilité de survie à chaque temps où au moins un décès est enregistré.

  • La lecture horizontale d’une courbe de survie compare les médianes de survie, tandis que la lecture verticale donne la probabilité de survie à un temps choisi.

  • Le test du Log Rank compare deux courbes de Kaplan-Meier, tandis que le modèle de Cox permet de prendre en compte un ou plusieurs facteurs influençant la survie.

  • Pour le test du Log Rank, l’hypothèse nulle affirme que les deux courbes ont des profils identiques et l’hypothèse alternative qu’elles ont des profils différents.

Compléments

  • La fonction de survie vaut 1 au temps initial, décroît au cours du temps et tend vers 0 lorsque le temps tend vers l’infini.

  • Les statuts possibles sont : vivant, décédé après l’intervalle précédent, exclu ou censuré lorsque le statut ultérieur est inconnu

  • La période d’étude distingue la date de début d’inclusion, la date de clôture des inclusions et la date de fin de suivi, qui peut être fixée à l’avance ou attendre l’événement final pour tous les sujets.

  • La méthode de Kaplan-Meier est une méthode non paramétrique très utilisée pour estimer la courbe de survie, tandis que la méthode actuarielle est également citée mais n’est pas.

  • Sur une courbe de Kaplan-Meier, la courbe baisse à chaque décès et une barre verticale représente une censure.

📌 Des censures nombreuses en fin d’étude peuvent résulter de l’arrêt administratif du suivi, tandis que des censures nombreuses en début d’étude doivent être examinées car leur lien avec l’issue peut biaiser l’estimation.

  • L’intervalle de confiance à 95 % de la courbe de survie, proposé par les logiciels, a 95 % de chances de recouvrir la courbe théorique.

  • Sous l’hypothèse nulle, la statistique du test du Log Rank suit une loi du chi carré à 1 degré de liberté, dont le seuil pour 5 % est 3,84.

  • Dans l’exemple de comparaison des traitements, la statistique du Log Rank vaut 4,55, dépasse 3,64 et conduit au rejet de l’hypothèse nulle avec p < 0,04.

Astuce mémo

Début du suivi → observation → événement ou censure.

19. Tests sur tableaux de contingence

Notions clés & Définitions

  • Tableau de contingence : Un tableau de contingence présente des effectifs dans ses cases et les totaux de lignes et de colonnes dans ses marges.
  • Test exact de Fisher : Le test exact de Fisher calcule, sous l’hypothèse nulle, la probabilité d’observer une configuration donnant un écart au moins aussi grand que l’écart constaté entre les pourcentages comparés.
  • Test de McNemar : Le test de McNemar compare deux pourcentages observés sur des échantillons appariés, où chaque individu d’un échantillon correspond à un individu de l’autre.

★ À maîtriser

  • Le test du chi carré d’homogénéité compare les distributions observées dans plusieurs échantillons, tandis que le test d’indépendance étudie la liaison entre deux variables dans un même échantillon.

  • Le test du chi carré exige que les effectifs théoriques de toutes les cases soient supérieurs ou égaux à 5 ; sinon, il faut regrouper des classes ou utiliser le test exact de Fisher lorsque le tableau comporte quatre cases.

  • Le test du chi carré de tendance recherche l’évolution d’un pourcentage selon une variable ordinale ou quantitative discrète et suppose une liaison linéaire ainsi que des effectifs théoriques d’au moins 5.

Compléments

📐 Formule - Sous l’hypothèse d’indépendance ou d’homogénéité, l’effectif théorique d’une case est Cij=(total de la ligne)(total de la colonne)NC_{ij}=\frac{(\text{total de la ligne})(\text{total de la colonne})}{N}.

📐 Formule - Pour un tableau de contingence à r lignes et k colonnes, le nombre de degrés de liberté est ddl=(r−1)(k−1)\mathrm{ddl}=(r-1)(k-1).

  • Le test du chi carré d’homogénéité rejette l’hypothèse d’égalité des distributions lorsque la statistique observée atteint ou dépasse le seuil critique.

📌 Pour le test exact de Fisher, une probabilité p inférieure à 5 % conduit au rejet de l’hypothèse nulle d’égalité des distributions ou des pourcentages.

📌 La probabilité calculée par le test exact de Fisher est exacte, tandis que celle du test du chi carré est une approximation.

  • Dans les données appariées du test de McNemar, une paire est concordante si les deux individus ont la même caractéristique et discordante s’ils diffèrent pour cette caractéristique.

📌 Le test du chi carré d’indépendance examine la liaison entre deux variables qualitatives, tandis que le test du chi carré de tendance examine la variation d’un pourcentage selon une variable ordonnée.

20. Comparaison de plusieurs échantillons

Notions clés & Définitions

  • Analyse de variance : L’analyse de variance, ou ANOVA, compare les moyennes d’une variable quantitative observées dans plusieurs populations distinctes.
  • Test de Kruskal-Wallis : Le test de Kruskal-Wallis est un test non paramétrique qui compare les rangs moyens des valeurs de plusieurs échantillons plutôt que les valeurs brutes.

★ À maîtriser

📌 Pour l’ANOVA, l’hypothèse nulle affirme que toutes les moyennes sont identiques et l’hypothèse alternative bilatérale qu’elles sont différentes.

📌 L’ANOVA paramétrique suppose des distributions normales et de même variance dans les populations dont proviennent les échantillons.

Compléments

  • L’ANOVA compare la variabilité entre les moyennes des groupes à la variabilité résiduelle à l’intérieur des groupes.

  • Sous l’hypothèse nulle, la statistique F est proche de 1 et suit une loi de Snedecor à c−1 et n−c degrés de liberté.

  • Après le rejet de l’hypothèse nulle par l’ANOVA, des comparaisons par paires servent à déterminer quels groupes diffèrent.

  • La correction de Bonferroni ajuste le seuil de comparaison à α=0.05/nombre de comparaisons\alpha=0.05/\text{nombre de comparaisons} ; avec trois échantillons comparés deux à deux, les trois comparaisons donnent un seuil de 0,017.

📌 Le test de Fisher vérifie l’homogénéité des variances lorsque deux groupes sont comparés, tandis que le test de Bartlett est indiqué lorsque plus de deux groupes sont comparés.

📌 Le test de Kruskal-Wallis ne nécessite ni normalité ni égalité des variances, mais les effectifs de chaque échantillon doivent dépasser 10 et il ne doit pas y avoir trop d’ex æquo.

  • Sous l’hypothèse nulle, la statistique du test de Kruskal-Wallis suit une loi du chi carré à c−1 degrés de liberté.

📌 Une transformation de variable facilite parfois l’analyse des données, mais ne normalise pas nécessairement leur distribution.

  • Pour appliquer une transformation logarithmique, on calcule yi=ln⁡(xi)y_i=\ln(x_i) pour chaque observation, puis on effectue les calculs sur les valeurs transformées.

Astuce mémo

ANOVA compare les moyennes ; Kruskal-Wallis compare les rangs.

Tableaux de synthèse

Tests de comparaison de deux séries

TestDonnées comparéesPrincipe
t de StudentDeux moyennesTest paramétrique ; conditions de normalité et de variances
F de Fisher-SnedecorDeux variancesCompare le rapport des variances ; distributions normales
Wilcoxon-Mann-WhitneyDeux séries indépendantesCompare les rangs des valeurs
t appariéDeux séries appariéesCompare les différences individuelles
Wilcoxon appariéDeux séries appariéesCompare les rangs des différences non nulles

Choix des tests sur tableaux de contingence

SituationTest
Deux échantillons indépendants, pourcentagesChi carré ou Fisher
Deux échantillons appariés, pourcentagesMcNemar
Plusieurs distributions indépendantesChi carré d’homogénéité
Deux variables qualitatives dans un échantillonChi carré d’indépendance
Pourcentage selon une variable ordonnéeChi carré de tendance

Teste tes connaissances

Teste tes connaissances sur Biostatistiques descriptives et inférentielles avec 66 questions à choix multiples et corrections détaillées.

1. Quel ensemble de domaines la statistique étudie-t-elle ?

2. Comment définit-on la biostatistique ?

Faire le QCM →

Révisez avec les flashcards

Mémorisez les concepts clés de Biostatistiques descriptives et inférentielles avec 94 flashcards interactives.

Qu’étudie la statistique ?

Les méthodes de réduction des données, la variabilité liée à l’échantillonnage et les populations par l’inférence.

À quoi la biostatistique applique-t-elle la statistique ?

Aux sciences de la vie.

Quelle taille caractérise une population en statistique ?

Une taille NN.

Voir les flashcards →

Cours similaires

Crée tes propres fiches de révision

Importe ton cours et l'IA génère fiches, QCM et flashcards en 30 secondes.

Générateur de fiches